En este documento se describen algunos aspectos relevantes a considerar antes de implementar en el aula actividades que integren IA generativa. La atención se centra en situaciones de aprendizaje basadas en simulaciones matemáticas usando el lenguaje de programación Python.
MA06 OA 23 - Conjeturar acerca de la tendencia de resultados obtenidos en repeticiones de un mismo experimento con dados, monedas u otros, de manera manual y/o usando software educativo.
Un LLM (Large Language Model) es un tipo de modelo de inteligencia artificial entrenado con enormes volúmenes de texto para comprender y generar lenguaje humano de manera coherente. Estos modelos pueden responder preguntas, redactar textos, traducir, resumir y realizar muchas otras tareas lingüísticas gracias a patrones aprendidos durante su entrenamiento. Para profundizar en cómo funcionan y qué pueden hacer, puedes consultar los siguientes videos:
Modelo de lenguaje (LLM) 🧠
Sistema entrenado para predecir la siguiente unidad de texto (token)
dentro de una secuencia. Gracias a su escala, datos y arquitectura
—generalmente basada en transformers— puede comprender instrucciones,
razonar sobre texto y generar respuestas coherentes.
IA generativa 🤖
Conjunto de modelos capaces de producir contenido nuevo —como texto,
imágenes o código— aprendiendo la distribución de los datos con los que
fueron entrenados.
Prompt ✍️
Entrada que el usuario entrega al modelo para indicar qué desea obtener.
Puede incluir instrucciones, contexto, formato esperado e incluso
ejemplos. La forma en que se redacta influye directamente en la calidad
del resultado.
Ingeniería de prompts (prompt engineering)
🛠️
Conjunto de estrategias para diseñar prompts efectivos, con el fin de
guiar al modelo hacia respuestas más útiles, precisas y
consistentes.
Token 🔤
Unidad mínima de texto procesada por un modelo de lenguaje. Puede ser
una palabra, parte de una palabra o un símbolo. La longitud de una
interacción se mide en tokens, lo que afecta costos y límites de
contexto.
Ventana de contexto (contexto) 📏
Cantidad de tokens que el modelo puede considerar simultáneamente para
generar una respuesta. Un mayor contexto permite mantener coherencia en
diálogos largos o trabajar con textos extensos.
Alucinación ⚠️
Situación en la que el modelo produce información incorrecta,
inexistente o inventada, aunque suene plausible. Es un comportamiento
esperado en modelos generativos y requiere supervisión crítica del
usuario.
Inferencia ⚡
Proceso mediante el cual un modelo entrenado genera una respuesta a
partir de un prompt. No implica volver a entrenar el modelo, sino usar
su conocimiento ya adquirido.
Python 🐍
Lenguaje de programación ampliamente utilizado en ciencia, educación y
desarrollo de software. Es popular por su sintaxis clara, su
versatilidad y la gran cantidad de bibliotecas disponibles para tareas
de cálculo, análisis de datos y simulaciones.
Simulación computacional 💻
Proceso de modelar y reproducir fenómenos del mundo real mediante
algoritmos y programas de computadora.
Semilla (seed) 🎲
Valor que permite “congelar” la aleatoriedad de una simulación, de modo
que cada vez que se ejecute se obtengan los mismos resultados. En
Python, el comando para fijar una semilla es
NumPy.random.seed(valor).
Modelos multimodales 🌐
Modelos de IA que pueden procesar y generar distintos tipos de datos
—texto, imágenes, audio o video— e incluso generar código, combinando
información de varias fuentes para tareas complejas.
Markdown 🧾
Es un sistema sencillo para escribir texto que luego puede mostrarse con
formato —títulos, listas, negritas o tablas— usando solo caracteres
comunes. Muchos visores de chats de IA generativas interpretan Markdown
para dar estilo y estructura a sus respuestas.
La actividad fue diseñada, siguiendo el modelo COPISI, en tres fases:
El prompt debe ser:
En la actualidad existe una amplia oferta de chat de IA generativa multimodal. ¿Cuál modelo usar para trabajar en aula? En el contexto de simulación de un experimento, consideraremos los siguientes aspectos claves:
A la fecha (noviembre de 2025), la única IA generativa que cumple los criterios de privacidad, replicabilidad y visualización es Copilot.
Tabla 1. Comparación de herramientas de IA que permiten hacer consultas sin autenticación. Información actualizada a noviembre de 2025.
| Herramienta | Modelo Base | Comentarios |
|---|---|---|
| ChatGPT | GPT-5 mini | ❌ Genera código Python, pero no lo ejecuta. |
| Grok | Auto (Grok 4 Fast) | ❌ Genera código Python, pero no lo ejecuta. ❌ Presenta tabla de frecuencia con números no simulados (alucinación). |
| Grok | Grok 4.1 (Beta) | ✅ Genera y ejectuta código Python. ✅ Presenta tablas en el chat. ❌ Gráfico generado no disponible en el chat. |
| Copilot | Copilot Smart (GPT-5) | ✅ Genera y ejecuta código Python. ✅ Presenta tablas y gráficos en el chat. ⚠️ Problemas al mostrar ecuaciones en navegadores basados en Gecko (Firefox y derivados). ✅ Uso sin límite de consultas. |
| Gemini | 2.5 Pro | ✅ Genera y ejectuta código Python. ✅ Presenta tablas en el chat. ⚠️ No muestra gráficos en el chat. Se debe abrir desde un menú. ⚠️ Modelo 2.5 Pro limitado a 5 consultas; luego se puede acceder solo al modelo Flash, que no ejecuta código Python. |
Las herramientas de IA generativa están en constante desarrollo. Es posible que existan cambios repentinos en la interfaz gráfica, el modelo base y las funcionalidades.
Revise la herramienta el día anterior a la clase.
El diseño de los prompts se desarrolló mediante un proceso de validación que consideró las siguientes acciones:
Simula 1000 lanzamientos de un dado justo de 6 caras. Usa Python con semilla 42. En tu respuesta incluye una tabla Markdown con columnas: Número | Frecuencia | Frecuencia relativa | Probabilidad teórica. Genera un gráfico de barras con la frecuencia relativa por número. Incrusta el gráfico en tu respuesta.
Puede ver una captura de pantalla de cómo se ve la salida del prompt en Copilot (obtenida el 24 de noviembre de 2025) haciendo click en la imagen.
A pesar del proceso de validación, es normal que la IA genere respuestas con errores. Los errores detectados con el prompt validado son:
Es importante que el docente, antes de realizar la actividad, realice los siguientes pasos:
📚 Google Cloud. (s.f.). What is prompt engineering? Recuperado el 31 de agosto de 2025, de https://cloud.google.com/discover/what-is-prompt-engineering
📚 Miao, F., & Holmes, W. (2024). Guía para el uso de IA generativa en educación e investigación. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386696
📚 Ministerio de Educación, Centro de Innovación. (2025). PotencIA el aprendizaje: Preguntas para la reflexión y práctica de la Inteligencia Artificial generativa en contextos educativos. Ciudadanía Digital. https://ciudadaniadigital.mineduc.cl/potencia-el-aprendizaje-ia-en-educacion/
📚 Ministerio de Educación de Chile. (2024). Bases Curriculares Primero a Sexto Básico. MINEDUC.